-
公开(公告)号：CN107995039B
公开(公告)日：2020-11-03
申请号：CN201711281436.2
申请日：2017-12-07
Applicant: 福州大学
Abstract: 本发明公开了一种面向云软件服务的资源自学习与自适应分配方法，包括步骤：1）建立软件服务的QoS模型，使用历史数据的数据集作为学习数据通过机器学习算法训练QoS模型；2）构造软件服务资源分配计划的适应度函数；3）基于遗传算法搜索最优的资源分配计划，进行资源的在线自动分配决策。本发明操作简单，能在合理的水平上维护QoS值，提高资源利用率并有较好的性价比。
-
Patent Agency Ranking
公开(公告)号：CN107133101B
公开(公告)日：2021-01-29
申请号：CN201710287185.2
申请日：2017-04-27
Applicant: 福州大学
IPC: G06F9/50
Abstract: 本发明涉及一种IoT系统中的自适应计算迁移中间件，包括创建模块：通过调用ObjectFactory提供的创建服务，创建服务支持对象的本地创建以及对象的远程创建；迁移模块：通过调用ObjectFactory提供的迁移服务，迁移服务支持对象迁移到远程以及对象的迁回操作；调用模块：通过调用代理对象，代理对象将调用操作转发给ObjectFactory的调用服务，调用服务将操作发送给实际对象进行处理，返回调用结果；决策模块：中间件通过拦截器获取程序执行顺序以及获取IoT的网络环境参数，通过决策算法计算部署方案的适应性函数值来获取最优部署方案，最后通过迁移模块以及调用模块进行部署实现。本发明使得普通IoT应用通过中间件的支持后可自适应计算迁移以及动态部署。
-
公开(公告)号：CN109165081B
公开(公告)日：2021-09-28
申请号：CN201810930969.7
申请日：2018-08-15
Applicant: 福州大学
Abstract: 本发明提供一种基于机器学习的Web应用自适应资源配置方法，其包括以下步骤：步骤S1：将物理机操作系统虚拟化，分为两个虚拟机，两个虚拟机分别运行各自的操作系统；步骤S2：针对上述两个虚拟机分别提出两个机器学习模型；利用基于机器学习的响应时间的预测模型去预测给定环境变化下的响应时间；步骤S3：利用基于遗传算法的在线决策机制，根据以上的模型制定响应的适应度函数来搜索具有最优响应时间的软硬件资源配置分配方案。本发明可以从历史数据中训练出预测模型并根据遗传算法自动地为Web应用服务分配软硬件资源。
-
公开(公告)号：CN109165081A
公开(公告)日：2019-01-08
申请号：CN201810930969.7
申请日：2018-08-15
Applicant: 福州大学
Abstract: 本发明提供一种基于机器学习的Web应用自适应资源配置方法，其包括以下步骤：步骤S1：将物理机操作系统虚拟化，分为两个虚拟机，两个虚拟机分别运行各自的操作系统；步骤S2：针对上述两个虚拟机分别提出两个机器学习模型；利用基于机器学习的响应时间的预测模型去预测给定环境变化下的响应时间；步骤S3：利用基于遗传算法的在线决策机制，根据以上的模型制定响应的适应度函数来搜索具有最优响应时间的软硬件资源配置分配方案。本发明可以从历史数据中训练出预测模型并根据遗传算法自动地为Web应用服务分配软硬件资源。
-
公开(公告)号：CN107133101A
公开(公告)日：2017-09-05
申请号：CN201710287185.2
申请日：2017-04-27
Applicant: 福州大学
IPC: G06F9/50
Abstract: 本发明涉及一种IoT系统中的自适应计算迁移中间件，包括创建模块：通过调用ObjectFactory提供的创建服务，创建服务支持对象的本地创建以及对象的远程创建；迁移模块：通过调用ObjectFactory提供的迁移服务，迁移服务支持对象迁移到远程以及对象的迁回操作；调用模块：通过调用代理对象，代理对象将调用操作转发给ObjectFactory的调用服务，调用服务将操作发送给实际对象进行处理，返回调用结果；决策模块：中间件通过拦截器获取程序执行顺序以及获取IoT的网络环境参数，通过决策算法计算部署方案的适应性函数值来获取最优部署方案，最后通过迁移模块以及调用模块进行部署实现。本发明使得普通IoT应用通过中间件的支持后可自适应计算迁移以及动态部署。
-
公开(公告)号：CN107995039A
公开(公告)日：2018-05-04
申请号：CN201711281436.2
申请日：2017-12-07
Applicant: 福州大学
Abstract: 本发明公开了一种面向云软件服务的资源自学习与自适应分配方法，包括步骤：1）建立软件服务的QoS模型，使用历史数据的数据集作为学习数据通过机器学习算法训练QoS模型；2）构造软件服务资源分配计划的适应度函数；3）基于遗传算法搜索最优的资源分配计划，进行资源的在线自动分配决策。本发明操作简单，能在合理的水平上维护QoS值，提高资源利用率并有较好的性价比。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
